Kundaje称罕见病解码受机制与递送制约
先了解这件事
斯坦福教授 Anshul Kundaje 称，AI 能缓解罕见病诊断中解读单个病例的人力瓶颈，但核心障碍仍是确定致病变异及其基因作用机制；大多数机制尚未表征，大语言模型无法仅凭推理解决完全未知的作用机制。 他还指出，大量病例涉及发育早期特定细胞和阶段中的非编码变异，其影响高度依赖上下文，相关遗传病例与机制数据不足；即使大语言模型筛出候选非编码变异，实验验证及用 AAV、CRISPR 或小分子将疗法递送至多数致病细胞仍是未解难题。
AI 根据报道生成 · 3 小时前更新
事件进展
2 个进展
- 11月7日 23:54 · 1 篇报道斯坦福教授 Anshul Kundaje：LLM 筛出非编码变异后，递送至致病细胞仍是未解难题AGI Hunt：斯坦福教授 Anshul Kundaje：LLM 筛出非编码变异后，递送至致病细胞仍是未解难题
- 11月7日 23:42 · 2 篇报道斯坦福学者：AI 解码罕见病的瓶颈在致病变异与数据AGI Hunt：斯坦福教授 Anshul Kundaje：罕见病研究最大瓶颈是未知因果机制，LLM 帮不上忙
报道时间线
沿着报道，了解事件的不同侧面。
- AGI Hunt斯坦福教授 Anshul Kundaje：LLM 筛出非编码变异后，递送至致病细胞仍是未解难题
斯坦福教授 Anshul Kundaje 指出，LLM 筛选基因组非编码变异后，实验验证与治疗递送都是难题：无论 AAV、CRISPR 还是小分子，如何递送到大多数致病细胞类型仍未解决。他此前还提到，发育期细胞类型的扰动实验缺乏准确模型系统，类器官和 iPSC 来源细胞仅部分可行。
- AGI Hunt斯坦福学者：AI 解码罕见病的瓶颈在致病变异与数据
斯坦福遗传学家 Anshul Kundaje 认为，AI 解码罕见病的主要瓶颈是确定因果变异、基因与作用机制，而非人类研究时间。大量遗传病例涉及发育早期细胞类型和阶段中高度上下文特异性的非编码变异，LLM 难以解析，获取相关数据成为关键瓶颈。
- AGI Hunt斯坦福教授 Anshul Kundaje 论罕见病：瓶颈在生物学而非 AI
斯坦福教授 Anshul Kundaje 表示，AI 与 LLM 只能辅助部分 N-of-1 罕见病例的诊断解读，核心瓶颈仍是未表征的因果机制、发育期实验模型与治疗递送。Daniel McNinnon 则认为，AI 加机器人可实现规模化解决，并有望将发现速度提升 100 倍。制约由候选变异筛选转向胎儿与发育期样本获取、湿实验验证和药物递送。
- AGI Hunt斯坦福教授 Anshul Kundaje：罕见病研究最大瓶颈是未知因果机制，LLM 帮不上忙
斯坦福教授 Anshul Kundaje 表示，AI 能缓解罕见病诊断中解读 N-of-1 病例的人力瓶颈，但真正的头号瓶颈是找出因果变异、基因与机制，绝大多数机制从未被表征过，无论人类还是 LLM 都无法凭推理解决完全未知的机制。他同时指出，治疗端的突破还需依赖智能与并行化实验的结合。
本事件热度走势
- 可比范围当前
- 9
- 可比范围峰值
- 1011月8日 01:00
- 近 24 小时变化
- –
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。